Resumo Técnico: SATLOCK

1. Definição do Problema

O roteamento de chaves criptográficas sobre constelações de satélites de Órbita Terrestre Baixa (LEO) apresenta desafios únicos, distintos da engenharia de tráfego clássica. Os autores identificam três restrições primárias que complicam o agendamento de Distribuição de Chaves Quânticas (QKD):

1. Irreversibilidade da Perda: Sinais quânticos não podem ser amplificados ou copiados; cada fóton perdido reduz permanentemente a taxa de chave.
2. Fatores Ambientais Estocásticos: A cobertura de nuvens atua como uma máscara de liga/desliga que pode silenciar um link terrestre no meio de uma sessão, enquanto os efeitos de chave finita tornam passagens curtas e de baixa elevação (tipicamente abaixo de 60 segundos) inúteis devido ao overhead de segurança.
3. Agendamento Acoplado ao Handover: A restrição mais crítica é a "penalidade de handover". Reatribuir um satélite de uma demanda terrestre para outra entre slots consecutivos exige que o terminal óptico realize o reposicionamento e a reaquisição, incorrendo em uma perda de vazão (modelada como uma perda de 50% para o slot). Isso cria um acoplamento temporal: uma decisão de agendamento no slot atual afeta a viabilidade e o custo das decisões no próximo slot. Heurísticas existentes frequentemente ignoram este acoplamento, levando a uma degradação mensurável da vazão, particularmente sob alta contenção de rede.

O artigo aborda a falta de trabalhos anteriores que considerem simultaneamente os efeitos de chave finita, o clima estocástico e o agendamento acoplado ao handover com um certificado de otimalidade provável.

2. Metodologia

Os autores propõem o SATLOCK, um framework composto por três componentes principais:

A. Modelo de Canal Composto

O framework utiliza um modelo de link fundamentado fisicamente que calcula a taxa de chave secreta de chave finita por slot ($R_{fk}$). A transmitância total ($\eta_{total}$) é o produto de quatro termos:

• Perda Atmosférica: Modelada via extinção de Beer-Lambert.
• Perda por Difração: Difração de campo distante baseada na cintura do feixe e no alcance.
• Jitter de Apontamento: Perda de desvio de feixe Gaussiano (modelada em 0.7 $\mu$rad, consistente com sistemas da classe Micius).
• Clima: Uma máscara de nuvens de cadeia de Markov com persistência ($\rho=0.85$) e probabilidades de céu limpo específicas por estação.

A taxa de chave secreta incorpora estimativa de estado de decoy e correção de chave finita (baseada em análise de segurança composicional para ataques coletivos). Esta correção garante que passagens que produzam menos de $10^4$ fótons de sinal (ou que sejam curtas demais para superar a penalidade de segurança) resultem em uma taxa de chave zero. O modelo é validado contra uma simulação BB84 do Qiskit, confirmando a consistência entre a camada de protocolo e o modelo de canal de nível de rede.

B. Programação Linear Inteira (ILP) Consciente de Handover

Para estabelecer um limite superior provável na vazão, os autores formulam uma ILP binária exata.

• Objetivo: Maximizar o total de bits de chave secreta entregues menos a penalidade de perda de handover.
• Restrições:
  • Exclusividade do Satélite: Um satélite serve, no máximo, uma estação terrestre por slot (refletindo as limitações atuais de hardware de feixe único).
  • Detecção de Handover: Modela explicitamente a transição de um satélite entre demandas em slots consecutivos, acionando uma variável de penalidade ($h_{s,t}$).
  • Viabilidade de Caminho: Limita os caminhos a links diretos ou relays de 1 salto via nós confiáveis.
• Desempenho: Para uma instância de 16 satélites e 6 demandas, a ILP resolve em aproximadamente 0,8 segundos usando o solver CBC.

C. Agente de Deep Q-Network (DQN) Descentralizado

Para permitir o roteamento online em tempo real sem resolver problemas NP-difíceis a cada etapa, os autores treinam um agente DQN por demanda.

• Espaço de Estados: Inclui progresso de tempo, melhores taxas de chave finita disponíveis para tipos de caminho (direto, 1-salto, nenhum), estados climáticos da origem/destino, progresso cumulativo de chave e uma flag indicando se um caminho reutiliza um satélite de uma demanda diferente no slot anterior.
• Espaço de Ações: Seleciona uma de três opções de roteamento: pular, direto ou relay de 1 salto.
• Recompensa: Baseada no volume de chave entregue, penalizada pelo número de saltos do relay e ocorrências de handover.
• Velocidade de Inferência: O agente treinado seleciona ações em $\sim50$ $\mu$s por slot, cerca de 16.000 vezes mais rápido que resolver a ILP novamente.

3. Principais Contribuições

1. Modelo de Canal Fisicamente Fundamentado: Um modelo composto integrando física atmosférica, jitter de apontamento, clima de Markov e correções de chave finita, validado contra simulações Qiskit.
2. Certificado de Otimalidade Provável: Uma formulação ILP que modela explicitamente o acoplamento temporal via restrições de handover, fornecendo um limite superior apertado para a vazão, indisponível em trabalhos anteriores baseados apenas em heurísticas.
3. Roteamento Online Adaptável ao Clima: Um agente DQN descentralizado capaz de aprender políticas climáticas por demanda e lidar com penalidades de handover em tempo real, embora limitado pela falta de coordenação entre demandas.

4. Avaliação e Resultados

O framework foi avaliado em uma constelação Walker 53°:16/4/1 atendendo demandas intercontinentais através de 10 estações terrestres sob clima estocástico de Markov.

• Baixa Contenção (16 satélites, 6 demandas):

  • A ILP alcançou 1.311 Mbit.
  • As heurísticas mais fortes (Caleffi, Pant, Greedy) atingiram 95–96% da ILP.
  • O agente DRL alcançou 91,8% da ILP.
  • Observação: A exclusividade do satélite raramente é limitante; heurísticas míopes performam bem.

• Alta Contenção (8 satélites, 12 demandas):

  • A ILP alcançou 980 Mbit.
  • As heurísticas caíram para 89,5% da ILP.
  • O agente DRL caiu para 84,6% da ILP.
  • Observação: À medida que os handovers se tornam frequentes e limitantes, o acoplamento temporal torna-se crítico. Algoritmos míopes falham em coordenar as reatribuições de satélites globalmente, levando a uma perda significativa de vazão. O agente DRL, embora aprenda políticas climáticas eficazes, é limitado pela tomada de decisão independente sem coordenação centralizada.

• Equidade vs. Vazão: A ILP maximiza a vazão agregada, o que pode levar ao "esvaziamento" (starvation) de pares de demanda persistentemente bloqueados por nuvens em favor de links mais claros. Os autores observam que este é um trade-off inerente ao objetivo agregado.

5. Significância e Alegações

O artigo afirma que o SATLOCK é o primeiro framework a modelar conjuntamente a correção de chave finita, a cobertura de nuvens de Markov e o agendamento acoplado ao handover com um certificado de otimalidade provável.

A principal significância reside em quantificar o custo de ignorar o acoplamento temporal. Os autores demonstram que, sob alta contenção, a lacuna entre o agendamento globalmente ótimo (ILP) e o roteamento míope por slot aumenta para 10,5%. Em uma tecnologia onde cada bit seguro é caro, essa diferença é substancial.

O trabalho estabelece que, embora o DRL descentralizado ofereça um caminho viável para inferência em tempo real ($\sim50$ $\mu$s), ele atualmente não consegue resolver totalmente os conflitos de satélite centralizados sem coordenação multiagente explícita. O artigo posiciona a lacuna residual entre o agente DRL e a ILP como motivação para pesquisas futuras em DRL multiagente centralizado.

Limitações Reconhecidas pelos Autores:

• A avaliação é baseada em simulação usando um processo de Markov de dois estados para nuvens, em vez de traços meteorológicos reais.
• O modelo atual assume relays de nós confiáveis (1-salto) em vez de emaranhamento fim-a-fim com repetidores quânticos.
• O desempenho do agente DRL é limitado por sua natureza descentralizada; ele não resolve o espaço de ação conjunta de forma combinatória.